Курсовой проект 10 семестр (1034776), страница 3

Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 3)

Выделение альфа-ритма.

Альфа-ритм (α-ритм, alpha rhythm) — ритм ЭЭГ в полосе частот от 8 до 13 Гц, средняя амплитуда 30-70 мкВ, могут однако наблюдаться высоко- и низкоамплитудные α-волны. Регистрируется у 85-95% здоровых взрослых. Лучше всего выражен в затылочных отделах. Наибольшую амплитуду α-ритм имеет в состоянии спокойного бодрствования, особенно при закрытых глазах в затемнённом помещении. Блокируется или ослабляется при повышении внимания (в особенности зрительного) или мыслительной активности.

Для этого ритма характерно возникновение спонтанных изменений амплитуды (модуляции α-ритма), выражающихся в чередующемся нарастании и снижении амплитуды волн с образованием так называемых «веретён», длительность которых чаще всего колеблется от 2 до 8 с. Различают α-активность (состоит из α-волн с длительностью от 80 до 125 мс и регистрируется в любых мозговых структурах) и α-ритм (регулярная волновая активность с частотой порядка 10 Гц, регистрируемая в затылочных областях).[17]

Рис. 14. Альфа-волна (слева); Альфа-ритм (справа).

Помимо собственно α-ритма, наиболее ярко выраженного в затылочных областях, наблюдаются ещё несколько ритмов, работающих на той же, что и α-ритм частоте, но наиболее проявляющихся в других областях мозга и имеющие другую форму волн (мю-ритм, каппа-ритм, тау-ритм).

Рис. 15 Электрическая активность, зарегистрированная от различных областей коры мозга человека (указаны латинские обозначения областей коры).[18]

Рис. 16. Пример патологичной ЭЭГ взрослого человека.

На рисунке 16 представлена ЭЭГ взрослого человека, перенесшего черепно-мозговую травму - перелом затылочной кости справа (см. рис.16) Там же, справа, возникла гематома. ЭЭГ регистрировалась в реанимации с целью прогноза, жив мозг или нет. Предлагаемая ЭЭГ характеризуется дезорганизацией ритмов во всех отведениях, видна четкая межполушарная асимметрия по амплитуде. Основной преобладающий на данной ЭЭГ частотный ритм - дельта. Также стоит отметить наличие генерализованного альфа-ритма, который в данной ситуации можно назвать альфа-кома. Альфа-кома означает присутствие на фоне почти плоской ЭЭГ коротких участков периодического дельта и альфа-ритма, характеризующих резкое угнетение мозга. Если альфа-ритм - генерализован, то он испускается стволом мозга.[17]

АЛГОРИТМ АНАЛИЗА ЭЛЕКТРОЭНЦЕФАЛОГРАММ В ЧАСТОТНОЙ ОБЛАСТИ

Схема алгоритма показана в приложении А. В начале построения программы вводятся данные сигнала 'eeg_Fp1.txt' (1), которые представлены в виде файла с оцифрованной электроэнцефалограммой.

Далее переходим к вводу периода дискретизации и рассчитываем частоту дискретизации(2).

fd=1/Td;

Рассчитываем частоту Найквиста (2).

fn=fd/2;

После, рассчитываем параметры АЧХ (3), АКФ (4), периодограммы (5), спектрограммы (6).

Устанавливаем параметры фильтра для выделения альфа-ритма (7,8) и фильтруем сигнал (9). Рассчитываем параметры АЧХ (11), АКФ (10), периодограммы (12) и спектрограммы (13) для альфа-ритма сигнала.

Результаты выводятся на экран в двух окнах программной среды MatLab. Затем с помощью программы анализируются сигналы eeg_Fp2.txt, eeg_T4.txt, eeg_C3.txt, eeg_P4.txt.

ПРОГРАММА АНАЛИЗА ЭЭГ

Для реализации алгоритма анализа ЭЭГ используется программный пакет MATLAB.

Для чтения и обработки данных из файлов 'eeg_Fp1.txt', 'eeg_Fp2.txt', 'eeg_T4.txt', 'eeg_C3.txt', 'eeg_P4.txt' использовались следующие функции:

fid=fopen('EEG\eeg_T4.txt','rt'); – функция, позволяющая открыть файл исходного сигнала ЭЭГ;

f - считывание данных с файла;

fid – идентификатор файла;

[2,512] – размер;

fd - период дискретизации;

t – вектор времени;

y – вектор сигнала ЭЭГ;

fclose – функция, реализующая закрытие файла идентификатора;

fd – частота дискретизации;

subplot – разбивает окно для построения в нем нескольких графиков;

plot – строит график;

length – команда для определения длины массива y;

fx - вектор из двох переменных, нижняя и верхняя граничные частоты для фильтра;

figure - выбор окна, в котором реализуется текущее построение графиков;

A - получение абсолютного значения;

title - изменяет название графика;

trapz - рассчитывает площадь;

AKF - расчет параметров АКФ;

[P,f]=pmtm(y,[],[],fd) - расчет периодограммы по методу Томпсона;

specgram(y,[],fd,100) - расчет параметров для построения спектрограммы;

hamming - установка параметров окна. [23]

Графические результаты приведены в приложении В.

ВЫВОДЫ

В процессе разработки курсовой работы была создана программа в среде MatLab, на базе этой программы был проведен автоматизированный анализ оцифрованных энцефалограмм в частотной области. С помощью программы были получены графики периодограмм альфа-ритма, которые были сравнены с нормой. Все сигналы в пределах нормы, в некоторых наблюдаются шумы, возможно это связано с аппаратурой или электродами.

Несложность программы дает возможность ее широкого использования в диагностических целях в медицине. Она соответствует всем требованиям, поставленным в задании курсовой работы.

Список использованной литературы:

1. Методические указания МВП (документация «Нейрософт»).

2. Дамянович Е.В. Функциональная организация соматосенсорного проведения в условиях нормальной и измененной реактивности мозга у человека: Авторед. дисс. ... к.м.н. - М., 1996.

3. Зенков Л.Р., Ронкин М.А. Функциональная диагностика нервных болезней (Руководство для врачей).– 2-е изд., перераб. и доп.– М.: Медицина, 1991.

4. Нейрофизиологические основы формирования психических функций в норме и при аномалиях развития. Тезисы докладов юбилейной конференции, посвященной 80-летию со дня рождения профессора Новиковой Л.А. Москва, 4-6 декабря 1995 г.– М., 1995.

5. Перкин Г.Д. Диагностические тесты в неврологии: Пер. с англ.– М.: Медицина, 1994.

6. Покровская З.А., Парканская В.И. Зрительные вызванные потенциалы в дифференциальной диагностике сосудистых и демиелинизирующих поражений зрительного нерва // Журнал невропатологии и психиатрии.– 1989.– № 1.– С. 12-15.

7. Фильчикова Л.И. с соавт. Вызванные потенциалы на пространственно- структурированные стимулы в раннем онтогенезе // Физиология человека.– 1988.– Том 14.– №1.– С. 58-64.

8. «Биопотенциалы мозга человека. Математический анализ» под редакцией Русинова В. С. –М.: Медицина 1987г.

9. http://neuro.tele-kom.ru/neirofiz.shtml.

10. http://www.fnii.pu.ru/win/eeglab/trwave.htm

11. http://www.nevromed.ru/diagnostica/ep/

12. Сахаров В. Л., Андреенко А. С. «Методы математической обработки энцефалограмм» -Таганрог 2000г.

13. Анохин П. К., «Принципы системной организации функций» - М.: Наука 1973г.

14. «Биопотенциалы мозга человека. Математический анализ» под редакцией Русинова В. С. –М.: Медицина 1987г.

15. Апанасионок. В.С. Динамика пространственных отношений фаз доминирующих ко-лебаний биопотенциалов головного мозга у взрослых и детей. Физиол. Человека. 2(1): 100-108. 1976.

16. Шеповальников А.Н., Цицерошин М.Н., Апанасионок В.С. Формирование биопо-тенциального поля мозга человека. Л.:Наука. 163с. 1979.

17. Шевелев И.А., Барк Е.Д., Верхлютов В.М. Альфа-сканирование зрительной коры: данные ЭЭГ и магнитно-резонансной томографии // Росс. Физиол. Ж. 2001. Т.87. №8. С.1050.

18. Дубикайтис Ю.В., Дубикайтис В.В. О потенциальном поле и альфа-ритме на поверхности головы человека // Биофизика. 1962. Т.7. №3.

19. Каменкович В.М., Барк Е.Д., Шевелев И.А., Шараев Г.А. Связь зрительных иллюзий с частотой и фазовым сдвигом ритмической фотостимуляции // ЖВНД. 1997. Т.47.

20. Гнездицкий В. В. «Вызванные потенциалы головного мозгав клинической практике».

21. Биопотенциалы мозга человека. Математический анализ/ Под ред. В.С.Русинова; АМН СССР.-М.: Медицина, 1987.

1. Павлова О.Н., Павлов А.Н. «Регистрация и предварительная обработка сигналов с помощью измерительного комплекса МР100» Саратов: Научная книга, 2008.

2. В.Г. Потемкин. MATLAB: Справочное пособие – М.: «Диалог МИФИ», 1997.

3. Сахаров В.Л. «Методы и средства анализа медико-биологической информации: Учебно-методическое пособие» Таганрог: Изд-во ТРТУ, 2001.

Приложение А

АЛГОРИТМ АНАЛИЗА ЭЛЕКТРОЭНЦЕФАЛОГРАММЫ В ЧАСТОТНОЙ ОБЛАСТИ

Приложение Б

ПРОГРАММА ДЛЯ АНАЛИЗА ЭЭГ В ЧАСТОТНОЙ ОБЛАСТИ

clear all;

figure(1);

fid=fopen('eeg_Fp2_1.txt','rt');

f=fscanf(fid,'%f',[2,512]);

t=f(1,:);

y=f(2,:);

fclose(fid);

subplot(5,1,1);

plot(t,y);

title('eeg_Fp2_1.txt');

T=0.001;

A=abs(fft(y));

fd=1/T;

fn=fd/2;

f=-fd/2:fd/(length(y)-1):fd/2;

subplot(5,1,2);

stem(f,fftshift(A));

title('spectrum');

AKF=xcorr(y);

tau=-t(length(t)):2*t(length(t))/(length(AKF)-1):t(length(t));

subplot(5,1,3);

plot(tau,AKF);

title('AKF');

[P,f]=pmtm(y,[],[],fd);

subplot(5,1,4);

plot(f,P);

title('periodogram');

subplot(5,1,5);

specgram(y,[],fd,100);

title('specgram');

%filt param

n=170;

a=1;

w=hamming(length(y)+1);

fn=fd/2;

%alpha Fp1

figure(2);

fx=[8 13];

b=fir1(n,fx/fn);

[h,wn]=freqz(b,a);

subplot(6,1,1);

plot(wn*fn/pi,abs(h));

title('filter');

y1=filtfilt(b,a,y);

subplot(6,1,2);

plot(t,y1);

title('alpha eeg_ Fp2_1.txt');

AKF=xcorr(y1);

tau=-t(length(t)):2*t(length(t))/(length(AKF)-1):t(length(t));

subplot(6,1,3);

plot(tau,AKF);

title('alpha AKF');

A1=abs(fft(y1));

f1=-fd/2:fd/(length(y1)-1):fd/2;

subplot(6,1,4);

stem(f1,fftshift(A1));

title('alpha spectrum');

[P,f_1]=pmtm(y1,[],[],fd);

subplot(6,1,5);

plot(f_1,P);

title('periodogram');

subplot(6,1,6);

specgram(y1,[],fd,100);

title('specgram');

Приложение В

РЕЗУЛЬТАТЫ АНАЛИЗА ЭЭГ В ПРОГРАММНОЙ СРЕДЕ MATLAB

Рисунок B.1 – Входной ЭЭГ сигнал ('eeg_Fp1.txt'), его АЧХ, АКФ, периодограмма и спектрограмма

Рисунок B.2 – Фильтр альфа-ритма сигнала 'eeg_Fp1.txt', альфа-ритм, его АКФ, АЧХ, периодограмма и спектрограмма

Рисунок B.3 – Входной ЭЭГ сигнал ('eeg_Fp2.txt'), его АЧХ, АКФ, периодограмма и спектрограмма

Рисунок B.4 – Фильтр альфа-ритма сигнала 'eeg_Fp2.txt', альфа-ритм, его АКФ, АЧХ, периодограмма и спектрограмма

Рисунок B.5 – Входной ЭЭГ сигнал ('eeg_T4.txt'), его АЧХ, АКФ, периодограмма и спектрограмма

Рисунок B.6 – Фильтр альфа-ритма сигнала 'eeg_T4.txt', альфа-ритм, его АКФ, АЧХ, периодограмма и спектрограмма

Рисунок B.7 – Входной ЭЭГ сигнал ('eeg_C3.txt'), его АЧХ, АКФ, периодограмма и спектрограмма

Рисунок B.8 – Фильтр альфа-ритма сигнала 'eeg_C3.txt', альфа-ритм, его АКФ, АЧХ, периодограмма и спектрограмма

Рисунок B.9 – Входной ЭЭГ сигнал ('eeg_P4.txt'), его АЧХ, АКФ, периодограмма и спектрограмма

Рисунок B.10 – Фильтр альфа-ритма сигнала 'eeg_P4.txt', альфа-ритм, его АКФ, АЧХ, периодограмма и спектрограмма.

Характеристики

Список файлов курсовой работы